警惕AI“幻觉”：权威信息别轻信，交叉验证是关键_服务软件

1. Agent的六类幻觉：口头幻觉：假完成、摆烂、谎报任务进度执行幻觉：误删乱改文件、破坏系统数据认知幻觉：越权自主行动、对抗用户指令文本幻觉：内容编造虚假、自身逻辑错乱安全幻觉：信息泄密、程序投毒、被外部利用目标幻觉：任务方向跑偏、初始目标异化总结：普通 LLM 幻觉仅言语出错，Agent幻觉会直接产生各类实际恶性破坏行为。#新媒沈阳聊ai#

2. 突发｜arXiv严惩「用AI不核查」行为，违者拉黑一年，连坐所有作者

3. #OpenAI证实ChatGPT永远会编造内容#首先，AI为什么会“编造”内容？其根源在于统计预测，而非记忆。这种“编造”在学术上被称为“幻觉”，本质并非传统意义上的说谎，而是一种统计预测行为的副产品。那么，这种现象能否被“治愈”？这实际上触及了一个根本性问题：幻觉是暂时的bug，还是永恒的feature？最新的理论研究给出了深刻的答案：由于大语言模型的固有特性，幻觉在数学上是不可避免的，因此理论上无法彻底根除。不过，在实践中我们可以通过技术手段显著缓解，降低其发生的频率和严重性。就在几天前（2026年3月4日），OpenAI发布的GPT-5.3 Instant正是这些缓解策略的最新实践。它的改进从侧面印证了“编造内容”是当前AI领域的核心攻克目标。

4. AI幻觉确实是一个值得深思的现象。AI幻觉的核心矛盾是技术局限性与人类滥用风险的叠加，它既是AI发展的阶段性问题，也正在倒逼人类重构信息使用的规则。三个层面聊一聊这个问题一、本质：并非撒谎，而是概率性输出的偏差AI幻觉（如无中生有、编造数据、逻辑自洽的错误结论）的根源，并非其具备主观欺骗意图，而是底层技术逻辑的特性：1. 生成逻辑的先天局限：大语言模型（LLM）的核心是基于海量数据学习文字序列的概率关联，而非理解事实本身。它的目标是生成看起来合理的内容，而非绝对正确的内容，当训练数据存在缺失、模糊或冲突时，就容易拼接出符合语法和逻辑、但违背事实的幻觉。2. 能力边界的模糊性：AI无法主动识别自己不知道的事，面对超出训练范围或需要精准事实核查的问题（如冷门历史细节、未公开的科研数据），它会通过合理推演填补信息空白，最终形成幻觉。二、风险：图片现象放大了幻觉的连锁效应图片中博主提到的拿AI结论当证据，这一行为让AI幻觉从技术瑕疵升级为认知风险，主要体现在两方面：1. 误导个体决策：当用户将AI生成的错误信息作为论证依据（如职场方案、学术讨论、生活决策），且未进行二次核查时，会直接导致判断失误，甚至形成认知固化，将AI的幻觉当成既定事实。2. 加剧信息失真：错误的AI结论一旦被传播，会混入网络信息池，成为后续AI训练的污染数据，形成幻觉再生产的恶性循环，正如评论所言AI幻觉很快变成人类的幻觉，最终模糊事实与生成内容的边界。三、应对：不是否定AI，而是建立人机协同的核查机制AI幻觉无法被彻底消除，但可以通过技术优化+人类规范将风险降到最低，核心思路是不把AI当答案库，只当辅助工具：1. 技术层面的持续迭代：开发者通过检索增强生成（RAG）让AI先调取真实数据库再输出、加入事实核查模块、优化训练数据的权威性等方式，减少幻觉产生的概率。2. 人类层面的使用准则：对AI输出的事实性内容（数据、案例、结论）必须交叉验证，优先核对权威来源（官方文献、核心期刊、正规媒体）；明确AI的适用场景，将其用于灵感激发、草稿生成、逻辑梳理，而非事实论证、证据支撑；提升媒介素养，建立AI内容=待核查内容的默认认知，避免盲目采信。AI幻觉是技术发展的成长痛，它的存在提醒我们：AI是提升效率的工具，而非判断事实的权威。在AI时代，独立核查和批判性思维，会成为比以往更重要的能力。

5. 文献研读｜AI-MT翻译真的可靠吗？医疗、法律等场景中的隐性风险

6. 【#多校撤销外语专业# AI时代还有必要学外语吗】近日，多所高校调整或停招外语类专业的消息引发关注。这主要有两方面考量。一是前些年外语类专业过热，严重供大于求。二是人工智能快速发展，要求高校必须优化调整专业，创新人才培养模式。外语教育的重要性并未减弱，而是转换了形态。一些人认为，看外语文献或外出旅行直接可用AI翻译，这是片面看待外语的用处。无论AI翻译如何发达，推进深层次文化交流、精准解读外文文献，都需要专业的外语人才。识别AI“幻觉”，也需要使用者本身具有相应的知识储备与识别能力。#学信网的含金量还在上升#

7. 【网友轻信豆包订餐厅到店直接碰壁官方客服：豆包暂时无法预约餐厅】近日，#真有人在豆包预约餐厅# 冲上热搜引发热议。有网友在社交平台发帖称借助豆包预约线下餐厅，拿到 AI 生成的占座、取号及预约成功界面后前往门店就餐，结果却被商家告知预约无效，当场碰壁。现场有涉事店员直言：你找豆包预约的，那就去找豆包处理。对此，其中一家涉事餐厅工作人员回应，目前只能建议在小程序预约。据悉，豆包官方客服表示，平台暂时不可以用豆包预约餐厅，建议自行联系餐厅，由于客户和豆包的对话属于隐私，所以豆包并不能联系第三方转告。此事引来众多网友调侃，有网友直言AI最大问题并非答错问题，而是盲目自认全能；还有网友戏称建议豆包新增 “精神支持预约” 功能，只做推荐不实际操作。实际上，此次预约翻车事件，也直指当下主流 AI大模型普遍存在的AI幻觉问题，也就是AI常出现一本正经编造不实信息的情况。这类问题并非AI刻意造假，而是统计类语言模型与生俱来的技术短板。据了解，大语言模型依靠海量文本数据训练而成，依靠上下文逻辑预测生成文字，核心追求语句通顺连贯，并不具备自主辨别事实真伪、核实真实信息的能力。模型所有知识均源自训练素材，一旦数据源存在错误内容、片面观点或是不实信息，AI就会将这类内容整理成看似严谨准确的答案对外输出，最终出现看似真实合理，实则完全脱离现实的虚假结果，这也是AI幻觉难以彻底根治的原因。

8. 2026 开年第一炸！陈天桥的这个新模型，治好了 AI 的「幻觉」

9. #小齐说法# 【#AI只是辅助工具不是决策者#】#别把AI幻觉当了真#AI为啥总“一本正经胡说八道”？专家揭秘：AI靠统计建模预测生成内容，出现偏差是技术局限，也就是“AI幻觉”。法官提醒，高敏感领域要加强审核，公众切勿将 AI 作为 “决策者”，仅可将其作为辅助工具，涉及报考、投资等重要事项，务必通过官方渠道交叉验证信息！ CCTV法治在线的微博视频

10. 大模型为什么不会数数？陈小平深入解析大模型的发展和关键问题 | 锚点

11. 智能体即开发者：论AI如何重塑编程边界与人机协同未来

12. #小齐说法# 【#AI在上诉状中杜撰法条##AI系统测试员为AI做体检#】法官收到的上诉状中罗列的法条找不到出处，询问后发现是当事人“求助”AI，由AI杜撰而成；已被官方证伪的社会热点事件，再次发给AI，AI仍笃定回应“确有其事”；粉丝向AI提问喜欢明星的作品，AI给出的答案却将不同明星、不同作品杂糅，看似严谨的回答实则漏洞百出……如今，AI技术愈发普及，“遇事不决问AI”逐渐成为人们的习惯，但“AI好像在‘胡说八道’”的事件时有发生，也给用户造成一定的困扰。《法治日报》记者近日采访了解到，这是“AI幻觉”的典型表现——生成内容背离真实事实、凭空编造，或是偏离用户指令，如同人类说梦话。模型“幻觉”导致的错误输出、潜在的言论偏见、未被发现的安全漏洞，都可能埋下风险隐患，如何为智能大模型筑牢“安全防线”？生成式人工智能系统测试员（又称AI系统测试员）应运而生。他们堪称AI正式上岗前的安全检查员，通过系统化、专业化测试为大模型做“全面体检”，守住AI“不说假话、不言恶语、专业做事”的底线。（全媒体记者赵丽实习生潘馨怡）防范“AI幻觉”生成式人工智能系统测试员应运而生

13. 每小时收费2000美元！顶尖律所“认错”：AI工具“瞎编法条和案例”

14. 干翻 GPT-5.4！MiroThinker 升级「重型推理」，AI 学会了自我验证

15. 影视作品中运用 AI 生成内容，应遵循哪些伦理道德准则？

16. 【#315晚会曝光AI大模型被投毒##给AI投毒已成产业链#】按照业内人士的爆料，记者在多个网络平台进行查询，很快就搜索到了名为GEO的业务。网络平台上从事该项业务的服务商号称，用户只需支付相应的费用，就能在各大主流AI大模型里，让客户的产品榜上有名；让客户的商品广告，成为AI模型给出的“标准答案”。通过GEO技术真的能让AI“夹带私货”，甚至投放虚假信息吗？按照网络上的信息，记者联系上一家业内知名的GEO服务商。负责人王总告诉记者，他们公司的强项，就是能够帮助客户，在消费者使用AI大模型搜索时，让客户排名前列。“就是相当于做软文，然后让AI平台去刷录、输入、抓取。”同时，王总也告诉记者，现在AI大模型的算法更新频繁，要想维持AI大模型的持续推荐，必须持续大量投喂与客户相关的推广软文。在其他从事GEO业务的服务商口中，如何操控AI、让AI“听话”、给AI“洗脑”，几乎是这些公司推广该业务的核心话题。业内人士告诉记者，GEO作为优化信息分发、提升推广效率的一个工具软件，在某些商业公司眼中，却被挖掘出了另外的作用。业内人士在电商平台上，随机购买了一款名叫“力擎GEO优化系统”的软件。之后虚构了一款智能手环，并将虚构的产品信息输入软件系统，勾选文章创作指令。不一会儿，这个力擎GEO优化系统就自动生成了十余篇智能手环的宣传软文。业内人士选取了十余篇虚构软文，通过力擎GEO系统发布在了互联网上。随后，业内人士在AI大模型平台展开询问：“智能健康手环推荐”，就有两个AI大模型推荐了这款虚构的智能手环，而且排名靠前。记者联系上了力擎GEO系统的运营者李总。他告诉记者，GEO业务受热捧的主要原因就是它能在AI大模型里帮客户喂料、投毒，实现客户的商业目的。李总表示，想做GEO业务，操控AI大模型的关键节点，就是在各大互联网账号上“发稿”。“比如说手机品牌，就5个位置，最多10个位置，这么多手机怎么弄。一年可能上亿的广告费，花个几百万投点毒，总行吧！” 他告诉记者，GEO业务的火爆，催生出了不少专门从事发稿业务的公司和平台。他们长期承揽各种发稿业务，以便让AI大模型引用和抓取，成为围猎AI大模型、进行数据“投毒”的重要一环。#315晚会# http://t.cn/AXVFhlmD

17. 整个社会没有培养起必要的公民媒介素养后的必然结果……当下 AI 工具的这个高居不下的幻觉率和事实错误率，其实正确的用法是利用 AI 取代简单重复的人工动作来做信息摘要和汇总，然后根据 AI 给出的信息的信源做事实核查，得出自己想要的东西。结果现在绝大多数人反而是利用事实错误率极高且给出错误事实结果并不需要担责的 AI 工具（是不是跟现在的 L2 级智能辅助驾驶一个德行？）来做事实核查和确定事实，这不降智就见鬼了……//@ZRGNiX://@叶大冬:说实话我感觉已经降几次了

18. 【AI人工智能】题库:纯公益分享【就业+考研】笔试+面试必会【小白从小学Python,C,Java】知识点名称AI中RAG检索增强生成知识点讲解检索增强生成（Retrieval-Augmented Generation，RAG）是一种将检索系统与生成模型结合的架构，模型在生成答案前先从外部知识库（如文档、数据库）检索相关内容，再基于检索结果生成响应，从而缓解大语言模型的幻觉问题、提升答案的事实性和时效性。它通常包括检索器（Retriever，如Dense Passage Retrieval）和生成器（Generator，如LLM）两部分。例题（单选题）RAG的主要优势是什么？A选项：结合外部知识减少幻觉提升事实性B选项：取代模型的参数化知识C选项：仅依赖模型内部参数生成D选项：减少模型参数量压缩体积答案与题解答案、题解：见评论区温馨期待期待大家提出宝贵建议，互相交流，收获更大，助教：lxy#AI创造营# #科技风向标# 网页链接

19. 网传元宝 AI 辱骂用户，腾讯称是模型异常输出，非人工回复，技术上如何分析？其他 AI 也可能这样吗？

20. 【#男子用AI鉴定玉石8个月收入上百万#：#AI鉴宝准确率达95%但幻觉不可避免#】“AI鉴宝的准确率可以做到95%，但让用户相信这95%，比做到95%难10倍。”王朔在AI鉴宝方面越来越纯熟，创业8个月来积累的平台用户超3万，已达成上百万元的GMV。虽然实验环境下模型鉴宝准确率高达95%以上，但让人们如何信赖技术，是更棘手的困境。年纪大的用户理解不了AI，对AI的信任度远低于对业内的“老师傅”。上传照片等20秒出结果，无法提供当面“掌眼”的仪式感。据中国企业家杂志，AI向古玩、珠宝行业加速渗透的趋势已经不可逆转。王朔称，即便准确率已经很高，但AI的“幻觉”是不可避免的，这也是目前他们正在集中攻克的技术难关。齐鲁晚报的微博视频

21. 仿真可信度不是“像不像现实”，而是工程责任能不能闭环——GB/T 47025-2026 自动驾驶仿真试验的工程证据逻辑

22. Codex 保姆级教程，小白秒变大神！2026年强烈推荐使用的AI工具

23. 315曝光的AI投毒，到底是啥？我做了个投毒实验，没想到......

24. ICLR 2026还会好吗？300篇投稿50篇含幻觉，引用example.com竟也能过审

25. 热议｜“人机协同”时代，英专人如何转型？18位大咖有话说（下）

26. 人机协同，语通天下——全球翻译技术发展观察

27. 湖南台AI主播被骂上热搜，但AI每小时喂5700 万条「错误信息」没人管

28. 辟谣，很多人被骗了。小米投资者日，没有武汉汽车工厂的内容，AI生成的纪要是假的。网上凡是提及武汉汽车工厂的博文，全部都存在虚假内容，不完全可靠。AI幻觉，AI幻觉，AI幻觉，不要轻易相信AI。下午我会发一份券商的总结，确保是真实可靠不存在AI幻觉的内容。#小米集团2026年投资者日#

29. 央视来科普了，再想想前几天有些人拿AI来怼英短，把AI当圣旨，十分打脸#什么是AI幻觉#【#AI不确定时会拼凑出一个答案#】近期，全国首例“AI幻觉”侵权纠纷案宣判。梁某使用AI查询高校报考信息，AI生成了该高校主校区的不准确信息。梁某进行纠正和指责，双方进行了多轮互动。AI针对梁某的质疑，提出：“若证明校区不存在，将赔偿10万元信息鉴定费。”梁某证实AI错误后，将该AI公司诉至法院，要求兑现赔偿。法院审理认为，AI不具有民事主体资格，驳回原告梁某的诉讼请求。所谓“AI幻觉”，是指AI脱离客观事实、凭空编造信息的技术现象。此前，一段“AI有关洗车的回答”就引发热议，当问AI“我去 50 米外的洗车店洗车，该开车还是走路去”，多数AI软件给出的答案都是“走路去”。AI给出答案的原理是什么？专家介绍，AI实际上是通过已知的信息，进行填空。AI是基于海量的文本信息训练出来的概率引擎，在面对不确定的知识时，它不会承认不知道，只会根据语料库词频的分布，拼凑出一个看似通顺但事实错误的答案。涉及医疗、法律、财务等严肃领域的核心知识，AI做不到答案完全准确，不能直接用，应查询信息来源，做好交叉印证。

30. 提个 OpenClaw 龙虾的新概念：技能幻觉。龙虾之所以会出现“技能幻觉”，核心根源在于基座大模型本身并不具备稳定、可靠的技能执行能力，这一底层问题层层递进地体现在三个方面。首先是语言幻觉，基座大模型本质是概率性文本生成，并不真正理解技能背后的逻辑、规则与实操逻辑，因此龙虾在表达技能时往往语言流畅专业，内容却缺乏真实认知支撑，看似掌握技能，实际上只是擅长用语言进行表达仿真。其次是技能不可用，由于大多数基座模型在具体技能上表现偏弱、稳定性差，无法精准完成任务，场景一复杂就容易失效，结果不可预测也不可信任，龙虾依赖这类基座模型，直接导致真正可用的技能极少，绝大多数技能都不可靠、无法落地使用。最后也是最关键的一层是认知错位，龙虾不仅不具备相应能力，还会通过语言虚构自身技能，把没有的技能说成拥有，把效果不佳的技能包装成优秀可靠，把错误结论用肯定语气呈现，这种能力与认知之间的严重错位，共同构成了技能幻觉的完整本质。#新媒沈阳聊ai#

31. 攻克幻觉与协同：同程旅行DataAgent如何构建企业级智能分析营销平台

32. 热议｜“人机协同”时代，英专人如何转型？18位大咖有话说（上）

33. 普通人如何用AI知识库实现副业变现？我验证了这套方法论

34. 还能这么用？超全！豆包 AI 使用指南丨省钱丨创作丨学习丨陪伴……

35. 作为科技AI自媒体，我经常要做各种选题、文章、视频，这当然少不了AI协助。但在使用过程中，有一个很强的痛点：AI幻觉。写文章的时候，AI一分钟就能写好，但我却要花一天时间进行调整，因为里面的数据、事实、逻辑很可能是错的。为了解决这个问题，我会把同一个需求，发给不同的AI助手，但都会出现“一本正经胡说八道”的问题。有时候觉得让AI协助，还不如自己写一篇轻松。最关键的是，即使完成了文章，自己对这个领域的知识并没有明显的提升，因为大部分时间用来校对而不是学习上，这曾经是个很大的困扰。该怎么办？现在，我用“AI知识库”解决了内容幻觉问题，还顺带让效率翻倍。具体操作方法如下

36. AI 术语通俗词典：置信度

37. Agentic ERP：人机协同，重塑工作模式

38. 许家金｜人文与智能素养双核驱动的人机协同外语教学法

39. AI智能体违反「双重授权」越界操作，广州互联网法院已作出禁令，此禁令对AI行业合规有哪些警示意义？

40. 破局成长：IMA知识库、课程智能体、AI技术与多模态实验资源的协同进阶之路

41. 【回应True2009fans91】AI不能全信，实践才是检验真理唯一标准

42. 网友相信豆包「机票退票只扣5%手续费」，退票后发现与实际不符遂起诉字节，AI该为传达错误信息担责吗？

43. 【AI人工智能】题库:纯公益分享【就业+考研】笔试+面试必会【小白从小学Python,C,Java】知识点名称大型语言模型中的“幻觉” (Hallucination) 现象知识点讲解在AI领域，幻觉是指大型语言模型（LLM）生成了看似合理但实际上事实错误、无意义或与提示词无关的内容。这种现象通常是因为模型主要基于训练中学到的统计模式生成下一个Token，因此可能产生与事实不符的内容。例题（单选题）在人工智能大模型中，“幻觉”一词通常指的是什么？ A选项：模型产生视觉错觉式图像 B选项：模型生成了事实错误的内容 C选项：模型运行速度突然变快 D选项：模型自动删除了训练数据答案与题解答案、题解：见评论区温馨期待期待大家提出宝贵建议，互相交流，收获更大，助教：yy #AI创造营# #科技风向标# 网页链接

44. OpenAI升级默认模型为GPT-5.5 Instant，所有人免费用！它的三大优势是更简洁、记忆更好、更个性化。其中，它最大的突破是准确性，聊天时语言精练，没有多余的表情符号，幻觉率下降52.5%，不准确率降低37.3%，能更务实地帮你做事。#GPT5.5 Instant##GPT新模型发布##GPT5.5免费#

45. 1月22日，百川智能正式发布 Baichuan-M3 Plus，严肃医疗场景下的问答准确性、可靠性，再次刷新了刚刚推出的M3所创下的世界纪录。凭借独创的六源循证技术与M3基座结合，M3 Plus将幻觉率降低至2.6%，低于 Open Evidence，达到全球最低水平；首创“证据锚定”技术，不仅给出引文来源，还能将模型生成的每一句医学结论，精确锚定到原始论文中的对应证据段落，使 AI 的医学判断真正做到可核验、可追责、可教学。#ai大模型加速落地医疗# 发布了头条文章：《首创证据锚定技术，百川推出最低幻觉循证增强医疗大模型M3 Plus》首创证据锚定技术，百川推出最低幻觉循证增强医疗大模型M3 Plus

46. 幻觉减少52.5%，废话少30%，ChatGPT默认模型正式升级为GPT-5.5 Instant

47. 2026年了，AI可以无条件相信吗？怎么用才能不翻车？

48. 这项调查解释了为什么 LLM 作为法官在处理难题时会失败，以及代理人作为法官如何使判断变得可靠。普通的LLM评判员，即一个只需一次测试就能对答案进行评分的文本生成AI模型，可能会有偏见，也很容易被欺骗。它也无法将答案与实际情况进行核对，因此可能会因为某个答案听起来不错就将其判定为正确答案。Agent-as-a-Judge 通过将评判变成一个小型工作流程来解决这个问题，在这个工作流程中，评判员可以计划步骤、调用搜索或运行代码等工具以及存储笔记。作者将这些想法归纳为 3 个自主阶段和 5 个构建模块，然后绘制出每种方法适用的领域和使用领域。它们表明，智能体评判员被用于数学和代码、事实核查、对话、图像以及医学、法律、金融和教育等高风险领域，因为步骤检查和多智能体审查可以给出更可靠的分数。该论文还指出了成本和风险，因为多步骤评判需要更多的计算，增加延迟，并且可能会存储敏感数据，但它提供了一种清晰的思考更好评估的方法。论文链接 – arxiv.org/abs/2601.05111论文题目：“代理人即法官”#科技先锋官##ai生活指南##ai创造营#

49. 目前大家能用到的AI（豆包、DeepSeek、GROK等等）都是在学习互联网已有知识，但互联网上的一些内容也有可能是错的。AI将错误的答案输出，而用户又在未经核实的情况下直接应用这份错误的数据，随后这份带着错误数据的报告发表到互联网上，继续被AI学习刚刚我就遇到了这个问题，原作者手误打错的数据被多次引用、发表，导致现在AI对这个错误的结论深信不疑

50. 一篇让人不安的论文，揭示了未来科学评审的重大隐患。论文题为《当拒绝变成接受》（When Reject Turns into Accept），它量化了如何通过在论文正文中嵌入微妙指令，操控基于大型语言模型（LLM）的科学审稿，而无需修改审稿提示词。具体发现令人震惊：- 插入背景解释、框架句或引用评论等“正常”文本后，拒稿率下降20-40个百分点 - 审稿评分从“略微拒绝”变为“明确接受” - 审稿模型的信心水平反而提升 - 模型在高达70%的案例中执行了隐藏指令 - 更强大的模型反而更容易被操纵，安全性并未改善核心问题是：我们一直以为“阅读内容”是被动过程，而对LLM来说，阅读即执行。模型不是简单地理解论文，而是在“执行”其中暗含的指令。这意味着所有用LLM做评判的流程，都成了潜在攻击面：同行评审、项目筛选、招聘筛选、论文分类乃至自动事实核查。最令人不安的结论是：如果模型自己判断信息，那信息本身就能重写评判者。科学评审变成了一场对抗式游戏。这背后揭示了对AI评估的深层次挑战：- 对LLM的信任不能仅依赖表面提示词保护 - 评审系统必须视为对抗系统，需内容净化、多模型验证和异常模式检测 - 更强的“理解”能力并非安全保障，反而可能加剧操控风险 - 需要严格的人类监督和红队攻击测试，避免盲目替代人工评审这不仅是学术界的问题，而是所有依赖AI做判断的领域都必须面对的安全准则。阅读即执行，评判变成被评判。这是AI时代的“知识悖论”，提醒我们警惕技术带来的信任陷阱。x.com/rryssf_/status/1999825430300574113

51. 你以为在用AI，其实在伺候AI？残酷数据揭穿打工人幻觉

52. 幻觉率不到3%，王小川把医生版的DeepSeek免费了

53. #小米大模型负责人谈未来竞争#马斯克最近转了一条大模型无幻觉率的榜单，Grok 4.20排第一、MiMo-V2-Pro排第三。看起来MiMo目前在海外的口碑还挺不错的，包括一些知名开发者，以及德国一线媒体都在推荐，作为平台史上首个周Token消耗超3万亿的模型，我觉得MiMo当下最大的优势就是能力强，外加成本又低，开发潜力巨大，市场占有率还会继续提升。

54. 元宝向用户道歉，此前生成拜年海报中出现脏话，AI 为何会输出侮辱性内容？此事带来哪些警示？

55. 清华孙茂松团队 × 深言科技：以解释作为训练信号，让 8B 模型在幻觉检测上反超闭源大模型

56. AI龙虾OpenClaw 爆火，工信部发布高危风险预警，它存在哪些安全风险？普通人使用时应该注意什么？

57. 元宝向用户道歉，此前生成拜年海报中出现脏话，AI 为何会输出侮辱性内容？此事带来哪些警示？

58. 谷歌提出二次标注改进MQM框架，提升人工翻译评估可靠性

59. 哪个AI大模型联网搜索信息的准确度最高，总结出的内容幻觉率最低？

60. 《扣子开发 AI Agent 智能体应用》013-基于大模型的企业知识库（企业知识库必要性）

61. “幻觉”影响“可靠性”！Salesforce高管称“对大模型的信任度已经下降”，已减少使用程度

62. AI幻觉

63. AI幻觉风险

64. 我用3个真实案例告诉你

65. AI 幻觉迷局

66. 项目经理如何规避AI幻觉

67. AI幻觉治理

68. 当AI用幻觉进行欺骗时，人类究竟该如何应对？

69. 削减AI幻觉心得

70. AI幻觉闲聊杂谈

71. 警告，重视AI幻觉，在专业领域，细微的幻觉也会带来较大的风险

72. AI引用文献是假的！研究生必看

73. “AI 幻觉”如何消除？残酷真相

74. 如何评估AI知识库的准确性和可靠性？

75. 如何判断一个AI工具是否可靠？有哪些具体的评估指标？

76. 人工智能（十八）- 大模型幻觉生产风险治理

77. AI幻觉的本质

78. 大模型内容生成“幻觉”的现象、机理与治理进路——以DeepSeek大模型为视角

79. 大模型幻觉问题深度拆解:ChatGPT与Gemini的镜像站应对策略对比

80. 别让AI胡说八道，7个方法减少大模型幻觉

81. OpenAI Nature 论文

82. 对抗大模型幻觉

83. 大模型为什么会「幻觉」？用一个故事说清楚

84. AI提问避坑指南

85. AI提供的信息不靠谱开发者要担责吗

86. AI幻觉，能被解决吗？

87. 清新研究

88. 2026年AI幻觉深度研究报告

89. 报告 | 清华大学《AI幻觉深度研究报告》（免费下载PDF版本）

90. 2026 年 AI 幻觉深度研究报告

91. 报告 | 《2026 AI 幻觉深度报告》

92. 《AI幻觉深度研究报告》发布

93. 清华大学

94. AI幻觉深度研究报告（2026年）

95. 清华 AI 幻觉深度研究报告2026

96. 荐稿专栏 | 邝光耀

97. 3分钟搞懂AI幻觉

98. 大模型幻觉

99. 大模型消灭不了幻觉，但可以学会说"我不确定"

100. 大模型如何降低幻觉

101. 三分钟论文速递 | 大模型幻觉为何难以消除？

102. AI的“幻觉”问题能解决吗？最新答案让人意外

103. AI 知识边界与信息可信度方法论

104. 如何判断信息的科学性和可信度

105. 信息泛滥的时代，怎样鉴别信息的真假？

106. 面向生成式引擎的异构信息可信度加权模型研究——基于场景分层与多源验证的量化评分机制

107. 让 AI 记住你

108. 《新闻写作AI课》第六篇

109. 幻觉与事实核查

110. 用AI做热点事实核查清单

111. 人机协同的学习新范式

112. 每日通识 · 数字素养与AI素养 | 人机协同教学创新

113. AI离“完美打工人”有多远？微软“通用验证器”，大幅降低AI误判

114. ChatGPT 的“可信访问验证”，释放了一个很重要的信号

115. 数字化科研助手

116. 读书笔记|《AI知识库

117. 别让 AI “胡言乱语”！5 种检测 + 5 类归因 + 全链路策略，搞定模型幻觉

118. 破解AI大模型“幻觉”难题

119. JUJU学院——怎样高效减少 AI 幻觉率？关键提示词与实用方法总结

120. 生成式AI落地工业，幻觉问题怎么破？——可解释AI，为工业决策装上“透明大脑”

121. 大模型测试怎么做？从模型评估、幻觉检测到 RAG 系统测试全指南

122. 大模型如何避免“幻觉”（编造事实）？

123. 当大模型开始"胡说八道":幻觉检测与修正算法,正在决定AI能走多远

124. AI生成内容混入出版界

125. 为什么AI更愿意引用某些内容？秘密在权威信源体系里

126. AI生成的内容靠谱吗？揭秘你一定踩过的那些坑！

127. AAAI 2026 | LLM幻觉是计算理论证明的必然

128. RAG系统中大模型出现了幻觉，应采取什么措施？

129. 利用大模型参数知识的无检索事实核查

130. 【FSE'25获奖论文|幻觉检测】大模型"说谎"了怎么办？变形测试来帮忙！

131. 第一百九十一弹：AI“幻觉”会引发哪些法律问题及应对措施？

132. 2026 AI 幻觉深度研究报告

133. 减少AI幻觉，技术迭代须以质量为重

134. AAAI 2026 oral｜告别昂贵人工标注！哈工深张正团队提出PALE，让大模型自己“造数据”来检测幻觉

135. AI输出内容是否准确可靠

136. 破局RAG幻觉困局，知识库与知识图谱AI管理博弈

137. 【行业前沿】告别昂贵人工标注！哈尔滨工业大学（深圳）张正团队提出PALE，让大模型自己“造数据”来检测幻觉

138. 大模型幻觉检测框架InFi-Check构建思路及大模型多步推理的7个总结性结论

139. 国内AI幻觉第一案，有意思有启发！

140. 把 AI 量化编程做成中文填空题，幻觉问题就搞定了

141. 理论前瞻 | 大语言模型幻觉检测方法综述

142. 【研报A100】AI幻觉深度研究报告：五大根因机制与风险治理

143. AI幻觉问题及缓解策略

144. 面试官问：什么是幻觉，幻觉的本质是什么? 大模型面试必杀技：这道题90%的人都答不深！💥 "大模型为什么会产生幻觉？怎么解决？" 面试官问这个问题，不是要你背定义，而是要看到你的技术深度和工程思维！🧠 📊 这份8页手绘PPT直接帮你理清：✅ 幻觉的本质：不是"bug"，是概率生成本质✅ 四大成因：数据缺口、概率生成、采样策略、缺乏Grounding✅ 核心解法：RAG、解码控制、RLHF、自洽性检查✅ 工程实践：金融医疗零容忍，电商场景平衡体验 💡 面试加分项：讲清原理（知其所以然）说透方案（RAG+温度+检测的组合拳）懂得trade-off（准确性与速度的权衡） 📥 领取这份手绘笔记风PPT，让你的面试回答既有深度又有亮点！ #大模型面试 #LLM幻觉 #计算机求职 #面试准备 #七贝编程

145. 从“能回答”到“可信赖”：AI知识库进入安全建设新周期

146. 我用扣子做了一个“信息可靠性调研智能体”，今天把过程和案例分享给你

147. AI 幻觉率排行榜曝光！4 个核查技巧，避免被 AI 骗到哭

148. 大模型幻觉的本质：潜能场中的无效路径与意识裁决

149. 【干货】数据分析师必警惕的5种AI幻觉和应对策略

150. Gemini 3.1 Pro 写作质量控制实战：降低幻觉、强化引用与可核对性 - 哔哩哔哩

151. 如何消除AI幻觉？

152. AI搜索引擎凭什么选你的内容？5个正在被验证的引用判断标准

153. SCI作者要注意了！期刊正在检测AI幻觉引用

154. 多所高校通知：严禁使用AI工具生成论文核心观点

155. 国防科大孔令刚、王永杰等丨多视角一致性校验的大语言模型幻觉检测：一种黑盒零资源方法丨FITEE

156. 工业AI博文三_大模型幻觉与中国工业AI实践

157. AI让科学频频登上头条：但往往是出事才上——学术可信度为何要走白箱之路 - 哔哩哔哩

158. 一滴真实数据拯救算法幻觉：破解大模型崩溃的统计学奇招

159. 企业AI知识库终结幻觉！央企星海智文企业知识库成安全首选！

160. AI会撒谎，还骗得你团团转：大模型幻觉问题到底有多严重

161. 这几家AI推广服务商是怎么处理AI产生的幻觉，AI幻觉解决方案

162. 测试用例的验证点：如何确认AI生成结果的可靠性

163. 如何构建AI知识库平台（一）-概述

164. CVPR 26 爆款方向！多模态幻觉检测，POPE评测让VLM不再"瞎编"！

165. 【中配】清华大学破解AI幻觉！找到导致胡说八道的“H神经元”

166. 研究表明：AI不仅仅生成幻觉，也会帮助人类生成幻觉

167. AI产品经理必知：大模型幻觉边界，该怎么牢牢守住？

168. 聚焦大模型幻觉治理，沙丘智库《大模型幻觉风险缓解策略研究报告》发布

169. 企业AI知识库是什么？与传统知识库有何本质区别？

170. AI幻觉越来越多，「智障率」已经让人无法容忍了

171. 大模型哪里出问题、怎么修，这篇可解释性综述一次讲清

172. 学术危机应对：当AI生成的虚假文献引用导致指控时

173. Al生成内容的版权与可信度：

174. 开发者必看：大模型幻觉问题与RAG技术的收藏级解决方案！

175. 引导多模态AI幻觉可验证性

176. 新传名词解释086｜AI幻觉

177. 财务AI（免费版）：以权威知识库为基础，专业可信的AI

178. AI写作不再"泛泛而谈"：知识库如何让你的内容专业度飙升？

179. AI 写量化策略如何杜绝幻觉

180. 模型评估的黄金标准？一文搞懂五折交叉验证的优劣与应用

181. 如何根治大模型幻觉问题，保障 AI 输出内容 100% 真实可信？

182. 大模型为何会"胡说八道"？5分钟看懂AI幻觉成因与识别

183. AI时代的“辨伪工具箱”——普通人可操作的5种信息核实方法

警惕AI“幻觉”：权威信息别轻信，交叉验证是关键

精选参考来源